基于神经网络模型对美国四个州能源发展的研究

董文兵

摘 要：本文选取1960-2009年美国加利福尼亚州、亚利桑那州、新墨西哥州、得克萨斯州等四个州的能源生产和消费的数据，构建神经网络模型对其进行分析，从而概括出四个州的能源演化状况。

关键词：神经网络模型；美国；能源

问题的分析

问题要求我们建立模型来描述1960～2009年加利福尼亚州、亚利桑那州、新墨西哥州、得克萨斯州的能源概况的演化过程，并对结果进行分析解释，以解决四个州的再生能源的使用问题。同时，运用地理、气候、人口以及工业方面的差异来解释四个州能源概况的不同原因。

针对这一问题，我们先收集了四个州的地形、气候、工业产值、各州GDP以及人口数量等数据，建立灰色关联模型来观察各变量与各州能源使用情况的相关度，并选择出关联度较高的变量。

在变量选择后，建立RBF神经网络模型来拟合能源概况变化的原理，不断对模型进行训练，建立最符合各州情况的演化模型。最终将以图形呈现出能源概况的演化过程。

模型的准备

在对四个州的地理、气候、工业、人口、GDP这五个指标进行分析时，发现地理与气候常年保持不变，而工业、人口、GDP会随着时间的推移而改变。

根据经验以及对文献的查阅，我们不难发现地理与气候会在长年累月的发展中对该地区的工业、人口、GDP产生影响，所以当我们证实工业、人口、GDP对能源演化会产生影响时，可以同时证明地理与气候也会对能源演化产生间接影响。另外，气温的高低、降雨量的多少、地理特征的不同，也会对能源演化产生直接影响，由于各方面原因，我们只对此作理论上的解释。

数据预处理

我们在美国联邦统计局、美国能源信息署、美国National Climatic Data Center等机构收集了四个州的地理、气候、工业、人口以及GDP在1960年到2009年的相关数据。由于样本数据时间跨度过大，数据处理过程中存在着统计口径不一、数据缺失等不同问题，为了使得数据更能反映实际情况，对缺失的数据值进行弥补，使得前后数据能够更好地衔接，减少人为的失误，有利于提高后续模型的精确度。

能源演化与工业、人口、GDP的关联分析

灰色关联分析模型

模型原理：灰色关联度分析法是灰色系统理论中一种定量描述因素间发展态势的相似或相异程度的量化比较方法。它的基本思想是根据序列曲线几何形状的相似程度来判断其联系是否紧密。一般地，曲线越接近，相应序列之间的关联度就越大，反之就越小。

模型的建立

分别选取各州的工业产值、GDP以及人口数量作为参考数列，能源概况作为比较数列，其中参考数列记为，比较数列为。

由于在参数数列中变量的量纲不同，为消除量纲对分析结果的影响，需要进行无量纲化处理。

常用的有标准化、初始化、极差法和最大值化等，在此也选用极差法进行处理，如下：

模型的求解

根据上述公式，计算得出各能源指标与GDP、人口、工业之间的关联系数如表1。

从表1中可以看出，所有的關联系数均大于0.7，因此各能源指标与人口、工业、GDP之间的关联性很高。其中可再生能源与GDP关联性最高，为0.8273，可以推测出可再生能源与GDP之间有较高关联度。从表格中还可以看出，可再生能源指标与工业、GDP之间均存在比较高的相关性，相比之下，天然气能源消费、煤炭消费量指标与GDP、人口、工业相关性较弱。

能源演化过程模拟

RBF神经网络

模型原理：模糊神经网络模型一般具有三层BP网络，第一层为输入层，第二层为隐含层，第三层为输出层，每层BP网络由神经元组成，各层神经元之间又由权值相互连接。在模糊神经网络模型中各神经元之间实现了信息互补，互相支持，各神经元独立地从连接其输入端的其他神经元中得到输入的数据，并进行计算输出，再将输出传递给上一层神经元作为它们的输入或者作为整个模型的输出。这样就保证了其输出结果不会因为输入数据具有一定程度的噪声污染而受到严重影响。

分别对样本的输入、输出数据进行规格化处理，有

其中：为规格化前的变量；和分别为的最大值和最小值；为规格化后的变量。

问题的求解

分别将各州1960-2009年的人口数量、GDP以及工业产值作为输入层， 将煤炭消耗量、天然气消耗量、石油消耗量以及可再生能源消耗量作为输出层。在对RBF隐藏层神经元个数的确定中，我们发现神经元个数设定为4个时正确率最高，为88.90%。由于能源消耗与人口数量、经济和工业具有较高的关联度，所以根据人口、经济、工业三个指标不同值的变化，RBF可以给出较合理的预测值，模拟出完整的演化路径。据此，我们分别对不同年份下四个州的四个能源概况指标进行模拟演化，然后对不同州的能源概况进行异同分析。

在进行异同分析之前，我们将各州的人口、经济、工业的数据的范围列出，分别进行比较。

由表中数据可以发现，与新墨西哥州在三个数据中都与加州与得克萨斯州有非常大的差距，而亚利桑那州与新墨西哥州以及加州与得克萨斯州内部之间又有较大的相似性，这些数据将造成各州在能源消耗的差异性与相似性，下文将对此进行分析。

关于人口、经济、工业的影响分析

（ 1 ）关于石化能源的异同分析

在煤炭消耗方面，加州的使用量高于德州的使用量，并且两个图形趋势类似，并且其图形的末端的颜色也不断趋近，有较大的相似性。亚利桑那州的煤炭使用量高于新墨西哥，差异较大。同时，我们以两个州都是逐渐提高的走势，说明人口、经济、工业对能源使用的影响非常大，经济越发达，人口越多，工业越发展，能源的使用量越多。对比发现，加州与德州的能源使用量严重高于亚利桑那州与新墨西哥的使用量，这也进一步地验证了人口、经济、工业对能源使用的影响较大的结论。石油、天然气与煤炭的性质类似，此处不再详细描述。

（ 2 ）关于清洁能源的异同分析

加州的清洁能源使用量高于德州，亚利桑那州的清洁能源使用量高于新墨西哥。随着人口、经济、工业的发展，加州与亚利桑那州中关于清洁能源使用情况该表较小，德州与新墨西哥的能源使用呈现着逐渐递增的状态。虽然人口、经济、工业能够对清洁能源使用情况产生影响，但是影响可能并不大，并且每个地区都会有其自身的独特性，地区的独特性将对清洁能源的使用情况产生影响，下文将对各州的地区独特性进行分析。

为了更好地解决各州的清洁能源的使用情况，根据数据分析，我们提议各州长能够加强各州之间的合作，由于清洁能源开发较晚，技术尚未完善，且四州距离较近，附近能源也相似，各州之间建立密切的合作，有利于节约成本，提升清洁能源应用技术，更好地开发清洁能源。

关于地理以及气候的影响分析

由于各地区的地理情况以及气候状态呈现相对稳定性，不会随着其余外力因素产生较大的变动，而这些基本稳定的因素将会形成各州的地区独特性，独特性反映在各州的方方面面，经济发展水平、居民生活习惯、能源的使用效率等等。由于地理与气候的影响无法量化，且常年基本保持稳定，量化的意义不大，我们将从侧面分析地理与气候对能源使用情况的影响。

将固定的经济、人口、工业数值代入各州的神经网络模型，得到的各州能源使用情况的差异则是地理与气候对能源使用情况的影响。

在经济、人口、工业数值固定的情况下，各州的能源的消耗情况都大致相同，消耗情况为：

德州>加州>亚利桑那州>新墨西哥。

这说明地理与气候造成的地區独特性对各州的能源使用情况影响较大，且这种影响随着时间的推移将逐渐加深。但在清洁能源使用方面，这种影响却不大，这是因为清洁能源近几年才开始发展，发展尚未完善，没有受到一个地区的人文地理环境的长期影响，因此地理与气候对它的影响并不大。

（作者单位：安徽财经大学经济学院）

【参考文献】

[1]金娜.美国提高能源效率的策略[J].节能，2012，31（05）.

[2]何渊.美国的区域法制协调——从州际协定到行政协议的制度变迁[J].环球法律评论，2009，31（06）.

[3]周篁.美国可再生能源发展和节能现状[J].中外能源，2007（01）.